【PMSM例程11】永磁同步电机（PMSM）基于UKF的转速与转子位置估计。附下载链接

原创代码包运行成功文章目录程序简介算法与仿真设置结果分析程序特点与适用方向运行结果状态估计误差电压与新息诊断电流观测与估计转速与角度观测命令行输出MATLAB源代码程序简介本程序基于MATLAB搭建永磁同步电机Permanent Magnet Synchronous MotorPMSM仿真模型采用无迹卡尔曼滤波Unscented Kalman FilterUKF实现电机电流、机械转速及转子电角度的联合估计。永磁同步电机具有非线性动态特征传统扩展卡尔曼滤波EKF需要对系统模型进行线性化处理而UKF通过无迹变换Unscented TransformUT传播状态分布无需计算非线性状态方程的雅可比矩阵。本程序重点研究UKF在永磁同步电机状态观测中的应用利用电压、电流量测信息完成状态估计并分析转速变化工况下的估计精度。算法与仿真设置程序采用四维状态模型包括d轴电流、q轴电流、机械角速度和转子电角度。UKF通过生成Sigma点在非线性状态方程中传播各采样点再根据加权统计计算预测状态均值与协方差并结合电流量测完成滤波更新。程序主要包含以下设计Sigma点无迹变换采用缩放无迹变换生成Sigma点完成非线性状态预测及量测更新。转子角度环绕处理对跨越±π边界的电角度进行特殊处理避免角度周期性引起估计误差。电流量测更新利用α-β坐标系下的带噪电流测量对电机状态进行递推估计。滤波数值检查包含无迹变换精度检查、协方差正定性检查及状态数值有效性检查。仿真总时长为1.2秒采样周期为0.1 ms设置转速给定先上升、后下降的变化工况电流测量噪声标准差为0.04 A。结果分析程序主要输出以下结果转速估计结果对比机械转速真实值与UKF估计值观察不同转速工况下的状态跟踪情况。转子电角度估计展示真实电角度与估计电角度的局部曲线分析角度估计精度。状态估计误差绘制转速和电角度估计误差计算相应的均方根误差RMSE。电流滤波结果对比α-β轴真实电流、带噪测量电流和UKF估计电流。电压与新息诊断展示电机实际施加的α-β轴电压及归一化新息平方NIS辅助分析滤波运行情况。程序特点与适用方向本程序使用基础MATLAB函数编写包含完整的PMSM数学模型、磁场定向控制FOC仿真、Sigma点生成、UKF状态预测与量测更新、角度环绕处理及结果可视化过程。电机参数、采样时间、测量噪声、过程噪声协方差及UKF相关参数均可自行修改方便开展不同工况下的仿真测试。适用于永磁同步电机状态观测、无迹卡尔曼滤波、非线性状态估计及转子位置与转速估计等方向的学习和仿真研究也可以作为后续开展EKF与UKF算法对比研究的基础例程。运行结果状态估计误差电压与新息诊断电流观测与估计转速与角度观测命令行输出MATLAB源代码部分代码展示% 转速与角度观测独立MATLAB例程% 2026-10-11/Ver1作者matlabfilterV同号可获取代码定制、讲解等% 只使用基础MATLAB。参数为普通标量信号为数值数组不使用结构体。% 点击运行即可末尾含全部局部函数。Figure无水印配套PNG由维护工具导出。clear;clc;close all;rng(0);%% 共用教学参数与单位不将本例解释为Word中15 kW电机的实机验证Rs0.45;Ld3e-3;Lq3.6e-3;psi_f0.075;pole_pairs4;J2e-3;B5e-4;Ts1e-4;simulation_time1.2;dc_voltage120;voltage_limitdc_voltage/sqrt(3);current_limit10;Kp_speed0.25;Ki_speed4.0;current_bandwidth1200;Kp_dLd*current_bandwidth;Kp_qLq*current_bandwidth;Ki_dRs*current_bandwidth;Ki_qRs*current_bandwidth;time0:Ts:simulation_time;sample_countnumel(time);Kt1.5*pole_pairs*psi_f;Kr1.5*pole_pairs*(Ld-Lq);% 维护用汇总也是数值向量各指标仍以独立、有意义的变量保留。speed_rmseNaN;angle_rmse_degNaN;load_rmseNaN;parameter_relative_rmse_pctNaN;secondary_parameter_rmse_pctNaN;improvement_pctNaN;current_rmseNaN;peak_speed_errorNaN;gap_speed_rmseNaN;recovery_speed_rmseNaN;final_parameterNaN;final_secondary_parameterNaN;disturbance_speed_peakNaN;control_current_peakNaN;takeover_speed_peakNaN;recovery_timeNaN;covariance_minInf;covariance_chol_failures0;ut_error0;state_is_finite1;%% 编码器FOC台架仅负责生成实际电压、电流和物理一致的真值speed_reference8020*(1tanh((time-0.25)/0.035))/2...-10*(1tanh((time-0.85)/0.035))/2;load_true0.35*ones(1,sample_count);state_truezeros(4,sample_count);voltage_abzeros(2,sample_count);plant[0;(0.35B*80)/Kt;80;0.30];state_true(:,1)plant;controller_integralszeros(3,1);iq_referencezeros(1,sample_count);voltage_saturatedfalse(1,sample_count);iq_bias(0.35B*80)/Kt;fork2:sample_count feedback_abcurrent_measurement(plant);[uab,controller_integrals,iq_reference(k-1),voltage_saturated(k-1)]foc_controller(...feedback_ab,plant(4),plant(3),speed_reference(k-1),controller_integrals,Ts,...Rs,Ld,Lq,psi_f,pole_pairs,voltage_limit,current_limit,...Kp_speed,Ki_speed,Kp_d,Ki_d,Kp_q,Ki_q,iq_bias);voltage_ab(:,k-1)uab;plantmotor_truth_step(plant,uab,Ts,Rs,Ld,Lq,psi_f,pole_pairs,J,B,load_true(k-1));state_true(:,k)plant;endvoltage_ab(:,end)voltage_ab(:,end-1);iq_reference(end)iq_reference(end-1);current_ab_true[cos(state_true(4,:)).*state_true(1,:)-sin(state_true(4,:)).*state_true(2,:);...sin(state_true(4,:)).*state_true(1,:)cos(state_true(4,:)).*state_true(2,:)];noise_std0.04*ones(2,sample_count);current_ab_meascurrent_ab_truenoise_std.*randn(2,sample_count);measurement_validtrue(1,sample_count);current_ab_meas(:,~measurement_valid)NaN;%% 状态观测不使用台架的真实转速、真实角度或未知负载state_dimension4;ut_errorcheck_sigma_transform_ukf();assert(abs(wrap_angle((-pi0.01)-(pi-0.01))-0.02)1e-12);filter_count1;state_historyzeros(state_dimension,sample_count,filter_count);nis_historynan(filter_count,sample_count);R_historyzeros(2,sample_count,filter_count);weight_historyones(2,sample_count);innovation_historynan(2,sample_count,filter_count);sigma_speed_historyzeros(filter_count,sample_count);forfilter_index1:filter_count x[0.15;(0.35B*80)/Kt-0.1;85;0.42];Pdiag([0.3^2,0.3^2,12^2,0.18^2]);Qdiag([2e-6,2e-6,2e-3,2e-8]);ifstate_dimension5x[x;0.20];Pblkdiag(P,0.25^2);Qblkdiag(Q,3e-5);endR0.04^2*eye(2);innovation_covarianceR;state_history(:,1,filter_index)x;R_history(:,1,filter_index)diag(R);sigma_speed_history(filter_index,1)sqrt(P(3,3));fork2:sample_count[xp,Pp]motor_predict_ukf(x,P,Q,voltage_ab(:,k-1),Ts,Rs,Ld,Lq,psi_f,pole_pairs,J,B,0.35);ifmeasurement_valid(k)[predicted,Czz,Pxz]current_moments_ukf(xp,Pp);residualcurrent_ab_meas(:,k)-predicted;effective_RR;[x,P,residual,nis_value]state_update_ukf(xp,Pp,current_ab_meas(:,k),effective_R);innovation_history(:,k,filter_index)residual;nis_history(filter_index,k)nis_value;elsexxp;x(4)wrap_angle(x(4));P(PpPp)/2;end[~,chol_flag]chol(P);covariance_chol_failurescovariance_chol_failures(chol_flag~0);covariance_minmin(covariance_min,min(eig(P)));assert(chol_flag0all(isfinite(x)),状态或协方差异常);state_history(:,k,filter_index)x;R_history(:,k,filter_index)diag(R);sigma_speed_history(filter_index,k)sqrt(P(3,3));endendstate_eststate_history(:,:,end);current_est[cos(state_est(4,:)).*state_est(1,:)-sin(state_est(4,:)).*state_est(2,:);...sin(state_est(4,:)).*state_est(1,:)cos(state_est(4,:)).*state_est(2,:)];innovationinnovation_history(:,:,end);nis_valuesnis_history(end,:);speed_truestate_true(3,:);speed_eststate_est(3,:);angle_truestate_true(4,:);angle_eststate_est(4,:);speed_errorspeed_est-speed_true;angle_errorwrap_angle(angle_est-angle_true);evaluationtime0.24;speed_rmsesqrt(mean(speed_error(evaluation).^2));angle_rmse_degsqrt(mean(angle_error(evaluation).^2))*180/pi;peak_speed_errormax(abs(speed_error(evaluation)));valid_evaluationevaluationmeasurement_valid;current_rmsesqrt(mean((current_est(:,valid_evaluation)-current_ab_true(:,valid_evaluation)).^2,all));control_current_peakmax(abs(state_true(2,:)));%% 绘图实际输出的图片Figure保持无水印完整代码https://download.csdn.net/download/callmeup/93707146如需帮助或有滤波相关的MATLAB代码定制需求可从个人主页左侧联系我